Xingyuan Intelligence Releases Cross-Embodiment Data Engine Chorus, Claiming Approximately 40x Training Data Expansion

行元发布机器人跨本体数据引擎Chorus：“不挑设备”，可实现约40倍训练数据扩容钟立磊1 小时前实现超40倍数据扩容。

10月27日，行元智能（Action Intelligence）正式发布面向机器人预训练的跨本体数据引擎“Chorus 众行”，支持将智能眼镜、胸戴相机、腕部相机、UMI 设备、智能头环等多种设备采集的人类操作视频，转化为适配不同机器人本体的预训练数据，提升人类数据在机器人训练中的复用效率。测试显示，Chorus可实现超40倍的机器人有效训练数据扩容。

当前，学术界和产业界正在共同探索，如何通过自动化数据引擎将人类操作数据转化为机器人训练数据。但采集成本高、原始数据可用率低、跨本体复用难，仍制约着数据供给的规模化。Chorus的核心思路，是通过接入更多来源的人类操作数据，充分挖掘其中的动作信息、构建多粒度指令并适配不同机器人本体，最大化释放原始数据价值。

Chorus是行元自研的跨本体数据引擎，以统一数据模型为基础，通过高度自动化的数据处理管线连接多源人类操作视频与不同机器人本体，具备多元异构数据统一表征、对复杂操作行为的鲁棒重建及跨本体动作泛化与增广三大核心能力。

首先，Chorus支持智能眼镜、胸戴相机、腕部相机、UMI类设备等多种设备采集的人类操作视频，将不同硬件、视角和采集条件下符合处理要求的数据纳入统一流程，降低对单一采集设备的依赖，扩大可用数据来源。

其次，与业内“一份数据对应一种机器人”的普遍方案不同，Chorus可将单份人类示范转化为适配不同机器人身体结构和运动范围的训练数据，实现跨本体复用。通过共享前期的数据处理结果，新增目标本体时，系统无须重复完成全部源数据处理，减少计算开销。

数据处理过程中，Chorus通过三维运动重建、轨迹优化与质量校验，减少相机移动、手部遮挡等因素对转换结果的影响，将平均可用的数据转化率提升至85%。在当前测试配置下，Chorus 通过 16 种机器人本体适配，将每小时有效机器人轨迹的处理成本降至 15 元；结合 3 倍指令增广，可实现约 40 倍的有效训练数据扩容，单位训练样本的等效成本仅需 5 元/小时。

行元智能是一家新兴具身智能企业，定位于将人类经验持续转化为机器人能力，打造面向物理世界的通用具身大脑。行元认为，具身智能的规模化不能仅以算力和参数规模衡量，更要看其能否转化为机器人在真实世界中解决问题的能力。

为此，行元智能采用 System Scaling（系统规模化）技术路线，贯通数据、模型与真实部署：此前发布的 Agent Continuo 可部署于可穿戴设备，支持人类动作视频的规模化；通过 Chorus，将多源人类操作示范转化为机器人预训练数据；计划年内推出的「Duet 同行」将加速模型进入真实场景，将人类指导、纠错与交互反馈持续回流至模型训练，推动模型能力与应用规模相互促进，形成持续学习与迭代的闭环。

围绕这一技术路线，行元智能组建了一支覆盖数据、模型、训练基础设施和机器人部署的核心研发团队。创始人兼CEO杨世琦毕业于加州大学圣地亚哥分校，师从Meta Superintelligence Labs 的研究总监王小龙教授，是全球最早开展跨本体操作与人类数据学习方向研究的研究者之一。技术联创司晨阳为国家级青年人才，在基础模型架构、大规模模型训练上研究深入，负责行元WAM 世界动作模型的架构与规模化研究，技术联创杨靖康是第一视角多模态感知与人类数据理解领域的代表性研究者，近期，两人均入选2026年全球前2%顶尖科学家榜单。

来源：投稿

本文图片来自：123RF 正版图库 侵权举报返回分享相关文章全部评论